龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：哈尔滨工业大学(深圳)
摘要：本发明提供了一种基于密度峰值的高维真实场景下的聚类方法、系统及存储介质，该聚类方法包括步骤1：采集数据；步骤2：对采集的数据进行清洗操作；步骤3：计算近邻参数K、局部密度、密度权重以及边界度；步骤4：使用CSM模型确定聚类中心；步骤5：划分剩余数据对象；步骤6：依据划分结果，整理出辅助决策的可用信息；步骤7：输出可用信息。本发明的有益效果是：本发明解决了参数设置不合理导致的密度度量失衡问题，解决了中心选取偏差和参数敏感的问题，且具有良好的鲁棒性，可以对含有噪声的多密度和高维数据集进行有效的聚类，并具有较高的精度。
主权项：1.一种基于密度峰值的高维真实场景下的聚类方法，其特征在于，包括如下步骤：步骤1：采集数据；步骤2：对采集的数据进行清洗操作，所述清洗操作是指对数据进行缺省值处理和属性归一化；步骤3：计算近邻参数K、局部密度、密度权重以及边界度；步骤4：使用CSM模型确定聚类中心；步骤5：划分剩余数据对象；步骤6：依据划分结果，整理出辅助决策的可用信息；步骤7：输出可用信息；该聚类方法应用于计算机视觉、自然语言处理领域；在所述步骤3中，将k近邻作为指数核函数的采样空间，形成局部密度，定义如下：设x∈D，D为数据集，对象x的局部密度denx公式如下：denx＝∑y∈knnxexp-distx,y1其中distx,y为对象x与y的欧氏距离，knnx为对象x的k近邻集合；在所述步骤3中，对象x的边界度BDx计算公式如下： scx表示偏斜度，偏斜度scx计算公式如下： 其中，xij表示对象i的第j个属性，xp是对象i的k近邻，xpj是对象p的第j个属性；在所述步骤3中，对象x的密度权重Wx计算公式如下：Wx＝denx*δx5其中，δx表示x与高密度数据对象之间的最小距离。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学(深圳) 一种基于密度峰值的高维真实场景下的聚类方法、系统及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号